基于改进Mask RCNN的电力检修违规操作检测
电力检修现场中施工行为的规范关系到工作人员的人身安全,对电力行业的发展至关重要.为了从计算机视觉的角度对电力检修工作人员的违规操作行为进行检测,基于Mask RCNN算法设计了一种多任务多分支违规行为检测算法,综合目标检测、关键点检测与实例分割任务,并行对目标进行检测并获得目标的边框坐标、关键点与mask信息.实验结果表明,相对于原来的Mask RCNN,该算法在实例分割和关键点检测方面都有了显著的提升,具有更高的准确性和鲁棒性,在电力检修违规检测方面满足实际部署的精度要求.
多分支网络、深度学习、行为分析、目标检测、违规检测
29
国家重点研发计划;山东省自然基金
2020-09-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
158-164